囚人 A と B が逮捕されました。2 人はある犯罪の共犯者ですが、 証拠が足りません。検事は 2 人を別々の部屋に入れ、こう持ちかけます。
2 人は相談できません。あなたが A なら、黙秘と自白のどちらを選びますか。
| A ＼ B | B が黙秘 | B が自白 |
|---|---|---|
| A が黙秘 | A:2 B:2 | A:10 B:0 |
| A が自白 | A:0 B:10 | A:5 B:5 |
| B が… | A が黙秘なら | A が自白なら | A はどちらが得か |
|---|---|---|---|
| 黙秘した | 2 年 | 0 年 | 自白（0 < 2） |
| 自白した | 10 年 | 5 年 | 自白（5 < 10） |
B が何を選んでも、A は自白したほうが得です。 つまり自白は A の絶対優位な手（支配戦略）。 B にとっても事情はまったく同じなので、B も自白します。
結果、2 人とも自白して、それぞれ懲役 5 年。 ところが 2 人とも黙秘していれば 2 年で済んだのです。
| 結果 | 2人の合計 | 安定か |
|---|---|---|
| 2人とも黙秘（2年, 2年） | 4 年 | × 一方が自白すれば得をするので崩れる |
| 2人とも自白（5年, 5年） | 10 年 | ○ ナッシュ均衡。一方だけ変えても損をする |
| 片方だけ自白（0年, 10年） | 10 年 | × 黙秘した側が自白に変えたくなる |
ナッシュ均衡は、必ずしも全体にとって最良ではありません。
「2人とも黙秘」のほうが 2 人にとって明らかに良い（パレート優位）のに、
そこには誰も留まれない。
各人が合理的に自分の利益を追った結果、全員が損をする。
これが囚人のジレンマです。
| 場面 | 「黙秘」にあたる行動 | 「自白」にあたる行動 |
|---|---|---|
| 価格競争 | 価格を維持する | 値下げして客を奪う |
| 広告合戦 | 広告費を抑える | 広告を増やす |
| 環境問題 | 排出を抑える | 気にせず生産する |
| 軍拡競争 | 軍縮する | 軍備を増やす |
どれも「全員が抑えれば全員が得なのに、抜け駆けする動機がある」という同じ構造です。
1 回きりなら自白が正解です。しかし同じ相手と何度も対戦するなら話が変わります。 今回裏切れば、次回から相手も裏切ってくるからです。
アクセルロッドの実験。 政治学者ロバート・アクセルロッドは、 囚人のジレンマを 200 回くり返すコンピュータ・プログラムを世界中から募集し、総当たり戦をさせました。 複雑な戦略が多数集まったなか、優勝したのはもっとも単純なプログラムでした。
しっぺ返し戦略（Tit for Tat）
1 回目は協調する。
2 回目以降は相手が前回やったことをそのまま返す。
| 性質 | 内容 |
|---|---|
| 上品 | 自分から裏切らない。だから協調的な相手とは互いに得をし続ける |
| 報復する | 裏切られたら必ず返す。だからカモにされない |
| 寛容 | 相手が協調に戻れば、すぐ許す。報復が延々と続かない |
| 単純 | 相手にとって分かりやすい。「裏切れば損」と伝わる |
経営への含意。 取引が 1 回きりなら、相手を出し抜く誘惑があります。 しかし関係が続くと分かっていれば、協調のほうが得になります。 長期の取引関係、ブランド、評判といったものは、 「これは 1 回きりのゲームではない」と互いに信じさせる仕組みだとも言えます。